SEARCHING

Searching Dalam AI
• Digunakan untuk mencari solusi dari suatu
permasalahan
• Dapat digunakan untuk semua masalah

• Efisien?
Belum tentu
Teknik Searching Dalam AI
• Langkahnya adalah dengan mendefinisikan
terlebih dahulu Ruang Masalah (State
space)nya.

Apa itu State?

State
• State adalah semua tahapan yang
tersedia untuk menemukan solusi
• State biasana direpresentasikan
dalam bentuk tree
Tree VS Graph

What is it ? That’s a graph

Tree VS Graph

That’s the tree of the previous graph

Performansi Searching
Untuk mengukur performansi metode pencarian,
terdapat 4 kriteria yg dapat digunakan :

• Completeness
‘Apakah menjamin penemuan solusi ??’
• Time Complexity
‘Berapa lama waktu yg diperlukan ??’
• Space Complexity
‘Berapa banyak memory yg dibutuhkan ??’
• Optimality
‘Apakah solusi yg ditemukan adalah solusi terbaik ??’
Jenis Teknik Searching
• Blind Search ( Un-Informed Search )
- Breadth First Search ( BFS )
- Depth First Search ( DFS )
- Uniform Cost Search ( UCS )
- Depth Limited Search ( DLS )
- Iterative Deepening Search ( IDS )
- Bi-Directional Search ( BDS )

• Heuristic Search ( Informed Search )

 Breadth-First Search
• Metode pencarian dapat dilihat sbb:
• Keuntungan BFS:
1. Tidak akan menemui jalan buntu
2. If ada solusi,mk breadth first seacrh akan
menemukannya. If lbh dr satu, maka solusi min
akan ditemukan.
• Kelemahan BFS:
1. Membutuhkan memori yg ckp banyak, krn
menyimpan semua node dalam satu pohon
2. Membutuhkan waktu yg ckp lama, krn menguji n
level u/ mdptkan solusi pd level yg ke-(n+1)
Penanganan Masalah Galon Air dg BFS

0,0

0,3 4,0

3,0 4,3 1,3

3,3 1,0

4,2
 Depth First Search
• Metode pencarian dapat dilihat sbb:
• Keuntungan :
1. Membutuhkan memori relatif kecil, krn
hanya node – node pd lintasan yg aktif
saja yg disimpan
2. Scr kebetulan, metode ini akan
menemukan solusi tanpa hrs menguji lbh
banyak
• Kerugian :
1. Memungkinkan tdk ditemukannya tujuan yg
diharapkan
2. Hanya akan mendapat solusi pd setiap
pencarian
Penanganan Masalah Galon Air dg DFS

0,0

0,3 4,0

3,0 4,3 1,3

3,3 1,0

4,2